فهرست مطالب
مدل‌های OpenAI در تبدیل برنامه‌های قدیمی COBOL به زبان‌های مدرن، پیشرفت کرده‌اند؛ قابلیتی که می‌تواند به نوسازی سامانه‌های بانکی کمک کند.
به گزارش سرویس هوش مصنوعی تکناک،به گفته OpenAI، حدود ۴۰ درصد بانک‌های جهان هنوز از سامانه‌های مبتنی‌بر COBOL استفاده می‌کنند. مهاجرت از این سامانه‌ها به زبان‌های مدرن‌تر می‌تواند میلیون‌ها تا صدها میلیون دلار هزینه داشته و زمانبر باشد. از سوی دیگر، با بازنشسته‌شدن برنامه‌نویسان باتجربه COBOL، حفظ و نگهداری این سیستم‌ها نیز دشوارتر می‌شود.
عملکرد بهتر مدل‌های OpenAI در زبان‌های قدیمی
OpenAI اعلام کرده است که بهبود قابلیت‌های مدل‌هایش در کار با COBOL بر اساس بازخورد توسعه‌دهندگان و مشتریان سازمانی انجام شده است. برای ارزیابی این توانایی‌ها، این شرکت مجموعه آزمونی با نام MultiLangBench طراحی کرده که از مدل‌ها می‌خواهد موتورهای پایگاه داده سازگار با SQLite را با زبان‌های برنامه‌نویسی مختلف ایجاد کنند.
طبق نتایج اعلام‌شده، GPT-6 Astra در آزمایش‌های مربوط به ۲۰ زبان برنامه‌نویسی به میانگین نرخ قبولی ۸۷.۴ درصد رسیده است؛ درحالی‌که این رقم برای GPT-5.6 Sol برابر با ۲۶.۸ درصد بوده است. با وجود این پیشرفت، COBOL همچنان یکی از دشوارترین زبان‌ها برای مدل‌های هوش مصنوعی محسوب می‌شود و نرخ قبولی Astra در این زبان به ۷۲ درصد رسیده است.
بیشتر بخوانید: ابزار جدید OpenAI مکالمات کاربران را به اسلایدهای حرفه‌ای تبدیل می‌کند
مهاجرت بدون تغییر رفتار برنامه‌ها؛ چالش اصلی بانک‌ها
OpenAI برای ارزیابی دقیق‌تر مدل‌های خود، توانایی آنها را در انتقال برنامه‌های COBOL به زبان‌های C++، جاوا، کاتلین، پایتون و راست نیز بررسی کرده است. نکته مهم در این فرایند، صرفاً تبدیل کد نیست؛ برنامه جدید باید رفتار سیستم قدیمی را نیز حفظ کند. برای مثال، سامانه‌های بانکی باید هنگام گردکردن اعداد اعشاری یا مواجهه با رکوردهای ناقص، دقیقاً مطابق قواعد قبلی عمل کنند. حتی تغییرات ظاهراً جزئی در این رفتارها می‌توانند باعث بروز خطا در محاسبات مالی و پردازش داده‌ها شوند.
بر اساس نتایج OpenAI، مدل GPT-6.1 Sol با سطح استدلال بالا به دقت ۹۷.۹ درصد در حفظ رفتار برنامه‌ها هنگام مهاجرت رسیده است. این میزان در سطح استدلال پایین‌تر، ۸۶.۶ درصد گزارش شده است.
بیشتر بخوانید: افشای ارتباط متهم به جاسوسی در OpenAI با خاندان سلطنتی عربستان
هوش مصنوعی به‌تنهایی برای مهاجرت سامانه‌های بانکی کافی نیست
OpenAI تأکید می‌کند که مهاجرت نرم‌افزار تنها زمانی موفق محسوب می‌شود که تمام آزمون‌ها با موفقیت پشت سر گذاشته شوند. این موضوع برای سامانه‌های بانکی اهمیت ویژه‌ای دارد؛ زیرا کوچک‌ترین خطا در منطق پردازش یا محاسبات می‌تواند پیامدهای جدی داشته باشد.
به گفته این شرکت، قابلیت حفظ رفتار برنامه‌ها می‌تواند به تیم‌های فنی در نگهداری و نوسازی سامانه‌های قدیمی کمک کند؛ اما استفاده از خروجی مدل‌ها در محیط عملیاتی همچنان به بررسی متخصصان و آزمایش دقیق وابستگی‌ها و قواعد کسب‌وکار نیاز دارد.
در نتیجه، مدل‌های جدید OpenAI می‌توانند بخشی از فرایند دشوار نوسازی زیرساخت‌های نرم‌افزاری را سریع‌تر کنند، اما جایگزین نظارت فنی و اعتبارسنجی کامل سیستم‌های بانکی نخواهند بود.
بیشتر بخوانید: شرکت OpenAI هم به دنیای ربات های انسان‌نما وارد می شود
